SSD Nodes Learn Hosting plans →

Omnigent: అనేక agent CLIs కోసం ఒక meta-harness

Omnigentతో ఇప్పటికే install చేసిన agent CLIsను ఒకే sessionలో నడపండి. meta-harness అర్థం, release 0.7.0ను pin చేయడం, VPSలో ప్రతి agentకు sandbox ఏర్పాటు ఇవి తెలుసుకోండి.

Omnigent అంటే ఏమిటి

Omnigent ఒక open source meta-harness. మీరు ఇప్పటికే install చేసిన agent command line tools (CLIs) ను నడిపించే ఒక orchestration layer ఇది. ఇది Claude Code, Codex, Cursor, OpenCode, Hermes లేదా Pi స్థానంలో ఉపయోగించేది కాదు. ఇది వాటిని ప్రారంభించి, ప్రతి దానికి ఒక పని అప్పగించి, ఒకే policy set తో single session లో ఫలితాన్ని పర్యవేక్షిస్తుంది. Databricks ఈ repository ని June 2026లో Apache 2.0 licence కింద ప్రచురించింది. PyPI ఇప్పటికీ ఈ package ను alphaగా వర్గీకరిస్తోంది.

దీని ప్రాయోగిక ఉద్దేశం పరిమితమైనదే. దాన్ని స్పష్టంగా చెప్పాలి. మీరు ఒక agent ను YAMLలో ఒక్కసారి నిర్వచించి, దాన్ని నడిపించే harness పేరును పేర్కొంటారు. ఆ ఒక్క lineను మార్చితే అదే agent వేరే vendor యొక్క CLIపై నడుస్తుంది. మీ setupలో మిగతా ఏదీ మారదు. ఎందుకంటే Omnigent agents లోపల ఉన్న loopను కాకుండా, agents పైన ఉన్న loopను నిర్వహిస్తుంది.

మెటా-harness అంటే ఏమిటి? ఇది framework కంటే ఎలా భిన్నంగా ఉంటుంది?

harness అనేది model ను ఒక loop లో నడిపించే program. ఇది మీ prompt ను చదివి, tools ను call చేసి, files ను edit చేసి, ఫలితాన్ని తిరిగి అందిస్తుంది. Claude Code ఒక harness. Codex కూడా ఒక harness. మీరు దాన్ని install చేసి, login చేస్తే, అది స్వయంగా పని చేస్తుంది.

framework అనేది మీరు code రాయడానికి ఉపయోగించే library. మీరు దాన్ని import చేసి, Python లో steps నిర్వచిస్తారు. అప్పుడు మీ program agent గా మారుతుంది. అక్కడ vendor ను మార్చాలంటే మీ code ను edit చేయాలి, ఎందుకంటే vendor యొక్క client మీ program ద్వారా అనుసంధానించబడి ఉంటుంది.

meta-harness ఈ రెండింటికంటే ఒక స్థాయి పైగా పనిచేస్తుంది. ఇది harnesses ను child processes గా నడిపించే supervisor. Omnigent vendor CLI ను ప్రారంభించి, దానికి పని అప్పగించి, తిరిగి వచ్చే ఫలితాన్ని చదువుతుంది. మీరు ఇప్పటికే install చేసిన CLI నే కొనసాగించవచ్చు. దాని కోసం ఇప్పటికే ఉపయోగిస్తున్న subscription లేదా API (application programming interface) key ను కూడా కొనసాగించవచ్చు. మొత్తం తేడా ఇదే. ఈ సాధనం ఎవరికి ఉపయోగపడుతుందో కూడా ఇదే నిర్ణయిస్తుంది: ఇప్పటికే అనేక agent CLIs పనిచేస్తున్న, వాటిని ఒక్కో terminal లో విడిగా నడపడం వల్ల ఇబ్బంది పడుతున్న వారికి.

ఒక orchestration layer ఏ సమస్యను పరిష్కరిస్తుంది?

  • Vendor మార్చడానికి ఒకే line సరిపోతుంది. Agent definition లో harness మరియు model data గా ఉంటాయి. అందువల్ల ఒక role ను ఒక vendor నుంచి మరొక vendor కు మార్చడం అంటే YAML file ను edit చేయడమే; మొత్తం configuration ను తిరిగి రాయాల్సిన అవసరం ఉండదు.
  • Review అనేక vendors మధ్య జరగవచ్చు. ఒక model రాసిన diff ను వేరే company కి చెందిన model పరిశీలిస్తుంది. ఒకే family కి చెందిన రెండు models సాధారణంగా ఒకే blind spots కలిగి ఉంటాయి. అందువల్ల అదే vendor నుంచి వచ్చే second opinion విలువ తక్కువగా ఉంటుంది.
  • Policy కి ఒకే కేంద్ర స్థానం ఉంటుంది. Budget thresholds మరియు approval prompts agent file లో ప్రకటించబడతాయి. అవి దాని కింద నడిచే ప్రతి sub-agent కు వర్తిస్తాయి.
  • Session ఏకైక tool కంటే ఎక్కువకాలం ఉంటుంది. అనేక CLIs చేసిన పనిని ఒకే transcript నమోదు చేస్తుంది. అందువల్ల నాలుగు scrollbacks ను కలపకుండానే ఏమి జరిగిందో తిరిగి పరిశీలించవచ్చు.

దీనికి అయ్యే ఖర్చు ఆ layer స్వయమే. Omnigent లోని ప్రతి bug, ఇంతకుముందు స్వతంత్రంగా పనిచేసిన agent మరియు మీ మధ్య ఉన్న అదనపు layer లోని bug అవుతుంది. Alpha దశలో ఇది వాస్తవమైన ఖర్చు; సైద్ధాంతికమైనది కాదు.

ఒకే agent సాధనాల పక్కన multi-agent harness ఎక్కడ సరిపోతుంది

మీరు ఇంకా serverలో ఒక agentను నడపకపోతే, ముందుగా అక్కడి నుంచే ప్రారంభించండి. VPSపై coding agentను నడపడం పై మా guide ఒకే agent వినియోగాన్ని ప్రారంభం నుంచి ముగింపు వరకు వివరిస్తుంది. Omnigent మీరు ఈ setup ఇప్పటికే కలిగి ఉన్నారని భావిస్తుంది. self-hosted AI agents‌కు సంబంధించిన విస్తృత రంగంలో మీరు agentsను ఎంచుకుంటారు. ఇక్కడి పదజాలం కొత్తగా ఉంటే, agents వాస్తవంగా ఎలా పనిచేస్తాయో నేర్చుకోవడం‌తో ప్రారంభించడం మంచిది.

Omnigent connector layerకు భిన్నమైన అంశం. agentsకు మీ స్వంత data sourcesకు access ఇవ్వడం వంటి పని agent ఏ వనరులను చేరుకోగలదో నిర్ణయిస్తుంది. Omnigent ఏ agent నడవాలి, ఏ క్రమంలో నడవాలి, ఎలాంటి పరిమితులలో నడవాలి అనే విషయాలను నిర్వహిస్తుంది. మీరు రెండింటినీ ఒకేసారి ఉపయోగించవచ్చు. అవి ఒకదానితో మరొకటి overlap కావు.

ఇన్‌స్టాలేషన్‌కు ముందు మీకు కావాల్సినవి

  • Python 3.12 లేదా అంతకంటే కొత్త వెర్షన్. ప్రచురించబడిన ప్యాకేజీ requires-python >= 3.12 ని డిక్లేర్ చేస్తుంది.
  • tmux, ఎందుకంటే టెర్మినల్ హార్నెస్‌లు దీని లోపలే రన్ అవుతాయి.
  • కనీసం ఒక వెండర్ CLI, ఇది ఇప్పటికే ఇన్‌స్టాల్ చేయబడి మరియు లాగిన్ అయి ఉండాలి.
  • npm తో కూడిన Node.js 22 లేదా అంతకంటే కొత్త వెర్షన్, ఎందుకంటే Claude, Codex మరియు Pi హార్నెస్‌లకు ఇవి అవసరం. ఇన్‌స్టాలర్ Node 22.10 లేదా అంతకంటే తర్వాతి వెర్షన్ కోసం తనిఖీ చేస్తుంది మరియు అది లేకపోతే హెచ్చరిస్తుంది. Omnigent కు స్వయంగా Node అవసరం లేదు: PyPI లోని wheel ఇప్పటికే బిల్డ్ చేసిన web assets ను కలిగి ఉంటుంది, కేవలం git checkout నుండి బిల్డ్ చేసేటప్పుడు మాత్రమే Node తప్పనిసరి అవసరంగా మారుతుంది.

ప్రధాన branch కాకుండా నిర్దిష్ట release ను install చేయండి

curl -fsSL https://raw.githubusercontent.com/omnigent-ai/omnigent/main/scripts/install_oss.sh | sh -s -- --version 0.7.0

sh -s -- భాగం కేవలం అలంకరణ కాదు. అది లేకపోతే, sh, --version ను తన స్వంత option గా పరిగణిస్తుంది మరియు installer అసలు నడవదు. sh, Bash అయితే, అది Bash యొక్క స్వంత version ను ప్రింట్ చేసి విజయవంతంగా exit అవుతుంది. అందువల్ల ఏదీ install కాదు, ఎలాంటి హెచ్చరిక కూడా కనిపించదు. -s -- ఉన్నప్పుడు, sh pipe నుంచి script ను చదివి, --version 0.7.0 ను installer కు పంపుతుంది. ప్రతి కొన్ని వారాలకు breaking changes విడుదల చేసే repository లో, reproducible box కు మరియు అనూహ్య మార్పుకు మధ్య ఇదే తేడా.

29 October 2026 నాటికి release 0.7.0 ఇంకా PyPI లో ప్రచురించబడి ఉంది. అయితే ప్రస్తుతం తాజా release 13 November 2026 నాటి 0.22.0. అంతకుముందు వచ్చిన 0.19.1 release కొత్త features లేని security-focused patch. eMudhra intermediate certificate authority compromise తర్వాత ఇది dependencies ను update చేస్తుంది. Project upgrade చేయాలని సిఫార్సు చేస్తోంది. ముఖ్యమైనది సంఖ్య కాదు, pin. మీరు పరీక్షించిన version ను pin చేయండి. దాన్ని మార్చే ముందు release notes లోని breaking changes చదవండి. అయితే security release ను దాటవేయడానికి pin కారణం కాదు. అలాంటి release వచ్చినప్పుడు version ను update చేయండి.

Installer uv అనే Astral యొక్క Python package manager ను ఉపయోగిస్తుంది. uv లేకపోతే ముందుగా దాన్ని install చేయడానికి అనుమతి అడుగుతుంది. uv ఇప్పటికే ఉంటే script ను దాటవేయండి:

uv tool install --force --python 3.12 "omnigent==0.7.0"

Extras కూడా ఇదే విధానాన్ని అనుసరిస్తాయి. flag కూడా పునరావృతమవుతుంది: script తో --extra e2b --extra kubernetes, లేదా uv తో "omnigent[e2b,kubernetes]". మీరు --no-databricks ఇవ్వకపోతే script databricks extra ను కూడా జోడిస్తుంది. పై uv line మాత్రం ఆ extra లేకుండా package ను install చేస్తుంది. git tag v0.7.0 కాగా, PyPI లోని package version 0.7.0 అని గమనించండి.

uv binary ను uv tool dir --bin నివేదించే directory లో ఉంచుతుంది. సాధారణంగా అది ~/.local/bin. దాన్ని మీ shell profile కు జోడించడానికి installer అవకాశం ఇస్తుంది. clean install చేసిన వెంటనే command దొరకకపోతే కారణం ఇదే. చివరికి ఏది install అయిందో పరిశీలించండి:

omni upgrade --check

ఇది install చేసిన version ను తాజా published version తో పోల్చి, upgrade ఉందో లేదో చెబుతుంది. కానీ upgrade చేయదు. omni మరియు omnigent ఒకే program కు ఉన్న రెండు పేర్లు.

మోడల్ provider కు దాన్ని సూచించండి

omni setup

Wizard మీ environment లో ఇప్పటికే ఉన్న credentials ను గుర్తించి, లేని credentials కోసం అడుగుతుంది. ఇది API keys, vendor subscriptions, OpenRouter లేదా Ollama వంటి gateways, అలాగే Databricks workspaces ను నిర్వహిస్తుంది. అదే machine పై ఇప్పటికే Ollama తో local model server నడుపుతున్నట్లయితే, gateway ను దానికి సూచించండి; అప్పుడు network traffic ఆ machine ను దాటి బయటకు వెళ్లదు.

కనిష్ట multi-agent అమలు

ఉదాహరణ agents repositoryలో ఉన్నాయి. అందువల్ల main కాకుండా, మీరు install చేసిన అదే tagను clone చేయండి.

git clone --depth 1 --branch v0.7.0 https://github.com/omnigent-ai/omnigent.git
cd omnigent
omnigent run examples/polly/

Polly అనేది repositoryతో పాటు వచ్చే multi-agent coding orchestrator. దీని configలో claude_code, codex, opencode, cursor, hermes మరియు pi పేర్లతో sub-agents ప్రకటించబడ్డాయి. ఈ మొత్తం ప్రక్రియను అమలు చేయడానికి ప్రధాన కారణం ఒక నియమం: implementerకు భిన్నమైన vendor ఎల్లప్పుడూ review చేయాలి. Polly స్వయంగా code రాయదు. ఇది లక్ష్యాన్ని ప్రణాళిక చేస్తుంది, దాన్ని work itemsగా విభజిస్తుంది, ప్రతి itemను ఒక agentకు అప్పగిస్తుంది, ఆపై ప్రతి diffను వేరే vendorకు చెందిన reviewerకి పంపుతుంది.

ఏదైనా పని అప్పగించే ముందు, ఏ sub-agent CLIs machineలో నిజంగా ఉన్నాయో తెలుసుకోవడానికి Polly preflight checkను అమలు చేస్తుంది. ఒక vendor CLI మాత్రమే install చేసి ఉంటే diffను అప్పగించడానికి మరొకరు ఉండరు. కాబట్టి outputను అంచనా వేయడానికి ముందు కనీసం రెండు install చేయండి. Debby అనేది repositoryతో పాటు వచ్చే మరో ఉదాహరణ. ఇది రెండు heads కలిగిన debate agent: ఒకటి Claude, మరొకటి GPT.

omni debby

రెండు providers configure అయ్యాయో లేదో నిర్ధారించడానికి ఇది సంక్షిప్త మార్గం. ఏదైనా output ఇవ్వాలంటే దీనికి రెండూ అవసరం.

Sub-agents ను tools గా ప్రకటిస్తారు

Agent ఫైల్ YAML ఫార్మాట్‌లో ఉంటుంది. executor లో harness, model మరియు authentication వివరాలు ఉంటాయి. tools లో MCP (model context protocol) servers, Python functions, మరియు sub-agents ఉంటాయి. ఒక sub-agent అనేది type: agent మరియు దాని స్వంత executor కలిగిన ఒక tool; పైన పేర్కొన్న అన్నింటికీ ఇదే మూలకారణం.

name: orchestrator
prompt: |
  You coordinate coding and review tasks.

executor:
  harness: claude-sdk
  model: databricks-claude-sonnet-4-6

tools:
  coder:
    type: agent
    prompt: Write and test code.
    executor:
      harness: claude-sdk
      model: databricks-claude-opus-4-7
  reviewer:
    type: agent
    prompt: Review proposed changes.
    executor:
      harness: claude-sdk
      model: databricks-claude-sonnet-4-6
omnigent run path/to/my_agent.yaml

ఆ model ids ప్రాజెక్ట్ యొక్క స్వంత docs/AGENT_YAML_SPEC.md ఉదాహరణ నుండి వస్తాయి, మరియు అవి Databricks-hosted పేర్లు. harness మరియు model స్థానంలో మీ సిస్టమ్‌లో omni setup ద్వారా కాన్ఫిగర్ చేసిన వివరాలను ఉంచండి. Spec లోని ఇతర harness విలువలలో antigravity, copilot, kimi మరియు qwen ఉన్నాయి. main లోని ప్రస్తుత spec, ఏదైనా Agent Client Protocol server కోసం acp:<slug> ను కూడా డాక్యుమెంట్ చేస్తుంది, కానీ v0.7.0 spec లో ఇది లేదు. కాబట్టి, దానిపై ఆధారపడే ముందు మీ pinned వెర్షన్‌లో అది పనిచేస్తుందో లేదో నిర్ధారించుకోండి. ఈ spec ఒక sub-agent పై pass_history: true ను కూడా సపోర్ట్ చేస్తుంది, ఇది parent conversation ను దానికి అందిస్తుంది. ప్రతి delegation కు ఇది tokens ఖర్చు అవుతుంది, కాబట్టి కేవలం తమ ముందున్న పనిని మాత్రమే పూర్తి చేయాల్సిన sub-agents కోసం దీనిని నిలిపివేయండి. ఎవరి prompt అయితే పనిచేసే అతి చిన్న మార్పు చేయమని సూచిస్తుందో, అటువంటి కోడర్ తన reviewer కు చదవడానికి వీలుగా ఉండే చిన్న diff ను అందిస్తాడు. మీరు ఎంచుకునే model కంటే, ఈ విషయంలో ఇది చాలా ముఖ్యం.

దీర్ఘకాలిక orchestration ను VPS పై ఎందుకు నిర్వహించాలి

Multi-agent run అనేది రెండు నిమిషాల command కాదు. ప్రణాళిక రూపొందించడం, పనులను అప్పగించడం, parallel git worktrees కోసం వేచి ఉండటం, సమీక్షించడం, సవరణలు చేయడం వంటి దశలు ఉంటాయి. Laptop lid మూసివేస్తే ఇవన్నీ ఆగిపోతాయి. VPS (virtual private server) నిరంతరం నడుస్తూ network connection ను కొనసాగిస్తుంది. అందువల్ల మీరు పర్యవేక్షించకపోయినా session కొనసాగుతుంది.

omnigent server --background
omnigent server status

Server port 6767 పై web user interface ను అందిస్తుంది. ఒకటి నడుస్తుందా అని omnigent server status తెలియజేస్తుంది. దాన్ని ఆపడానికి omnigent stop ఉపయోగించాలి. v0.7.0 లో omni server start తొలగించి దాని స్థానంలో omni server --background చేర్చారు. v0.9.0 లో దాన్ని deprecated alias గా తిరిగి చేర్చారు.

6767 ను public address పై ప్రచురించవద్దు. రెండు సురక్షిత పద్ధతులు ఉన్నాయి. Firewall వద్ద port ను మూసి ఉంచి, ssh -N -L 6767:localhost:6767 you@your-server తో SSH ద్వారా forward చేయండి. తరువాత మీ స్వంత machine లో http://localhost:6767 వద్ద web interface ను తెరవండి. లేదా దాని ముందు TLS (transport layer security) termination ఏర్పాటు చేసి authentication ను ప్రారంభించండి:

OMNIGENT_AUTH_ENABLED=1 omnigent server --background

ఇందులోని firewall భాగం సాధారణ configuration పని. దాని గురించి VPS కోసం ufw firewall ప్రాథమికాలు లో వివరించారు. ఆ server ఇప్పటికే అనేక Docker Compose apps ముందు Traefik ద్వారా containers ను నడుపుతున్నట్లయితే, Omnigent అదే నమూనాలోని మరో service అవుతుంది.

Container deploy కోసం repository లోని deploy/docker/ directory లో Compose setup ఉంటుంది. ./bootstrap.sh secrets ను .env లోకి సృష్టిస్తుంది. తరువాత docker compose up -d Omnigent మరియు Postgres ను ప్రారంభిస్తుంది. ఈ setup లో server port 6767 బదులు port 8000 పై నడుస్తుంది. ఆ host port ను OMNIGENT_PORT మార్చుతుంది. Compose మీ కోసం DATABASE_URL ను నిర్ణయిస్తుంది. ఇతర deploy targets లో ఇదే variable Postgres లేదా SQLite ను ఎంచుకుంటుంది. Containers లో OMNIGENT_AUTH_ENABLED కు default విలువ 1. బయట నుంచి చేరుకోగల ఏ సేవకైనా ఇదే సరైన default.

Server sizing విషయంలో deploy notes ప్రకారం server idle memory వినియోగం సుమారు 275 MB RSS ఉంటుంది. Fly.io config 1 GB machine ను కేటాయిస్తుంది. Idle measurement supervisor కు మాత్రమే వర్తిస్తుంది. 1 GB అనేది machine memory allocation. Sub-agents parent యొక్క working directory మరియు environment ను పంచుకోవచ్చు. os_env: inherit ద్వారా దాని sandbox ను కూడా పంచుకోవచ్చు. Separate git worktrees అనేవి orchestration ఎంపిక. అందువల్ల ఒకేసారి నడిపే harnesses మరియు agents కోసం తగిన పరిమాణంలోని box ను ఎంచుకోండి. Server ప్రారంభమైన తరువాత omnigent login https://your-host ను, దాని తరువాత omnigent host https://your-host ను అమలు చేస్తే మీ laptop ను server కు register చేస్తుంది. omnigent attach <session_id> ద్వారా మరో device నుంచి నడుస్తున్న session ను తిరిగి కొనసాగించవచ్చు.

మీరు వెళ్లే ముందు ప్రతి sub-agent కు sandbox పరిమితులు విధించండి

Omnigent, Omnibox అనే operating system స్థాయి sandbox ను అందిస్తుంది. Linuxలో ఇది bubblewrap namespaces తో పాటు seccomp ను ఉపయోగిస్తుంది. అందువల్ల పరిమితిని agent prompt కాకుండా kernel అమలు చేస్తుంది. Prompt injection కు గురైన agent kernel నియమాన్ని మాటలతో దాటలేరు. ముందుగా dependency ను install చేయండి:

sudo apt install bubblewrap

Configuration, agent file లోని os_env కింద ఉంటుంది:

os_env:
  type: caller_process
  cwd: .
  sandbox:
    type: linux_bwrap
    write_paths: [.]
    write_files: []
    read_paths: []
    allow_network: true
    cwd_allow_hidden: [.venv]
    env_passthrough: []
    egress_rules: []
    credential_proxy: []

write_paths లో జాబితా చేసే వరకు working directory read only గా ఉంటుంది. అందువల్ల తప్పుగా పనిచేసే agent workspace వెలుపల రాయలేరు. Working directory లోని top-level dotfiles మరియు ప్రతి read_paths root, cwd_allow_hidden లో పేర్లు ఇవ్వకపోతే కనిపించవు. అంటే విస్తృత read అనుమతి ఇచ్చినా top-level .ssh లేదా .aws directories అనుకోకుండా బయటపడవు. Nested dotfiles default గా కనిపిస్తాయి. వాటిని మొత్తం tree లో mask చేయడానికి cwd_hidden_scan_recursive: true ను సెట్ చేయండి. egress_rules ను సెట్ చేస్తే అన్ని HTTP మరియు HTTPS traffic default deny proxy ద్వారా వెళ్తాయి. ప్రతి rule ను "METHODS host/path-glob" రూపంలో రాయాలి. credential_proxy దీనికంటే మరింత కఠినమైన విధానాన్ని అందిస్తుంది: agent వద్ద placeholder మాత్రమే ఉంటుంది. Request బయటకు వెళ్లే సమయంలో proxy నిజమైన secret ను భర్తీ చేస్తుంది. అందువల్ల transcript లీక్ అయినా ఉపయోగించగల secret బయటపడదు. Multi-harness setup లో ప్రతి sub-agent తన స్వంత config file లోని agents/ కింద తన స్వంత sandbox block ను కలిగి ఉంటుంది. అందువల్ల implementer కు network access ఉండగానే reviewer కు network access నిరాకరించవచ్చు.

ఈ పరిమితి documentation లో స్పష్టంగా పేర్కొనబడింది. ఇది ముఖ్యమైన విషయం. OS sandbox sys_os_* tool calls మరియు terminals కు వర్తిస్తుంది. MCP servers కు ఇది వర్తించదు. Omnigent supervisor process కు కూడా ఇది వర్తించదు. మీరు ప్రారంభించిన MCP server, మీ permissions తో sandbox వెలుపల నడుస్తుంది. అందుకే ప్రతి agent కు ఒక throwaway machine ఇవ్వడం ఇప్పటికీ బలమైన విధానం. దీనిపై disposable VM లో coding agents ను నడపడం లో వివరించాం. మరో ముఖ్యమైన భాగం credentials. ఆరు sub-agents ఒకే host ను పంచుకున్నప్పుడు agent కు secrets అందకుండా ఉంచడం మరింత కష్టమవుతుంది.

Spend thresholds policies గా ఉంటాయి. వీటిని అదే file లో ప్రకటించాలి:

policies:
  budget:
    type: function
    handler: omnigent.policies.builtins.cost.cost_budget
    factory_params:
      max_cost_usd: 5.00
      ask_thresholds_usd: [1.00, 3.00]

cost_budget policy soft thresholds వద్ద approval అడుగుతుంది. max_cost_usd వద్ద default గా అన్ని models ను block చేస్తుంది. ఖాళీ కాని expensive_models list ను సెట్ చేస్తే limit downgrade gate గా మారుతుంది. ఆ list లో లేని models spending కొనసాగించగలవు. ఒక run లో ఒక vendor తో planning, రెండో vendor తో implementation, మూడో vendor తో review జరిగితే మూడు చోట్ల ఒకేసారి spending జరుగుతుంది. అందువల్ల మొదటి unattended run కు ముందే thresholds సెట్ చేయండి. మొదటి invoice వచ్చిన తర్వాత సెట్ చేయవద్దు. Built-ins లో max_tool_calls_per_session మరియు ask_on_os_tools కూడా ఉన్నాయి. ఇవి file మరియు shell operations కు ముందు approval అడుగుతాయి. VPS లో AI agent ఖర్చులను నియంత్రించడం పై మా సూచనలు ఇక్కడ నేరుగా వర్తిస్తాయి. Parallel sub-agents ఖర్చు వేగాన్ని పెంచుతాయి కాబట్టి ఇక్కడ అవి మరింత ముఖ్యమైనవి.

ఈ repository ఎంత వేగంగా అభివృద్ధి చెందుతోంది?

చార్ట్Days between tagged Omnigent releases, v0.2.0 to v0.7.0
ఈ చార్ట్ వెనుక ఉన్న డేటా
[
  {
    "version": "v0.2.0",
    "released": "2026-06-19",
    "interval": 3
  },
  {
    "version": "v0.3.0",
    "released": "2026-06-27",
    "interval": 8
  },
  {
    "version": "v0.4.0",
    "released": "2026-07-03",
    "interval": 6
  },
  {
    "version": "v0.5.0",
    "released": "2026-07-10",
    "interval": 7
  },
  {
    "version": "v0.5.1",
    "released": "2026-07-10",
    "interval": 0
  },
  {
    "version": "v0.6.0",
    "released": "2026-07-21",
    "interval": 11
  },
  {
    "version": "v0.7.0",
    "released": "2026-07-27",
    "interval": 6
  }
]

ఇవి 3 August 2026న ప్రాజెక్ట్ యొక్క స్వంత releases pageలో కనిపించిన published release dates. 2026-06-19 మరియు 2026-07-27 మధ్య 7 tagged releases వచ్చాయి. వాటిలో ఏ రెండు releases మధ్య గరిష్ఠ విరామం 11 రోజులు. v0.5.1 దానికి ముందు వచ్చిన release వచ్చిన రోజే విడుదలైంది. మొదటి రెండు PyPI releases అయిన 13 June 2026 నాటి 0.1.0 మరియు 16 June 2026 నాటి 0.1.1లకు GitHub releases pageలో entry లేదు. అందువల్ల వాటిని chartలో చేర్చలేదు. v0.2.0 కోసం చూపిన మూడు రోజులు 0.1.1 నుంచి లెక్కించబడ్డాయి.

ఆ releasesలో రెండు, guidesలో ఇప్పటికే documentation చేసిన commandsను మార్చాయి. v0.7.0లో omni server start తొలగించి, దాని స్థానంలో omni server --background చేర్చారు. v0.6.0లో omnigent[memory] extra పేరును omnigent[hindsight]గా మార్చారు. అయితే compatibility aliasగా memoryను కొనసాగించారు. ఇది 0.10.0 వరకు పనిచేసింది. 25 August 2026న విడుదలైన 0.11.0 నుంచి ఆ alias తొలగించబడింది. అందువల్ల Juneలో రాసిన write-up నుంచి copy చేసిన install line ఇక Hindsight clientను install చేయదు. మీ install commandలో --versionను ఉపయోగించడానికి, అలాగే మీ git cloneలో tagను ఉంచడానికి ఇదే కారణం. ఇది style preference కాదు.

ఆ పరిశీలన తర్వాత కూడా release వేగం తగ్గలేదు. 29 October 2026 నాటికి PyPIలో 0.20.0 కనిపిస్తోంది. ఇది 28 Octoberన విడుదలైంది. 0.7.0 తర్వాత పదమూడు minor releases వచ్చాయి. వాటిలో అనేక releasesలో breaking changes ఉన్నాయని project release notes సూచిస్తున్నాయి. ఈ page నుంచి copy చేసే విషయాలకు వాటిలో రెండు ముఖ్యమైనవి. v0.12.0లో bare omniను అమలు చేస్తే Polly agentకు బదులుగా background host ప్రారంభమవుతుంది. (ఇప్పుడు omni run default agentను ప్రారంభిస్తుంది.) v0.13.0లో managed terminals కోసం tmux 3.3 లేదా తరువాతి version అవసరం.

ప్రస్తుతం నేను దానికి అప్పగించని పనులు

27 October 2026 నాటికి repositoryకి సుమారు 11k stars, 1.8k forks మరియు దాదాపు 910 open issues ఉన్నాయి. మొదటి public release వచ్చి నాలుగు నెలలకు కొంచెం ఎక్కువైంది. Stars ఆసక్తిని కొలుస్తాయి. ఆసక్తి maturity కాదు. Project తాను alpha అని చెబుతోంది. పై release history కూడా అది alpha అనే అర్థాన్నే చూపిస్తోంది.

  • Production credentials ఉన్న hostపై నేను దీన్ని అమలు చేయను, ఎందుకంటే sandbox MCP servers లేదా supervisor ను కవర్ చేయదు.
  • cost_budget policy లేకుండా ఏదైనా run ను పర్యవేక్షణ లేకుండా వదిలిపెట్టను, ఎందుకంటే మూడు vendors సమాంతరంగా బిల్ చేయవచ్చు; ఖాళీ కాని expensive_models list ఉంటే, తక్కువ ఖర్చైన modelsపై spending కొనసాగవచ్చు.
  • OMNIGENT_AUTH_ENABLED సెట్ చేయకుండా మరియు దాని ముందు TLS లేకుండా server ను public IP address పై expose చేయను.
  • Agent YAML ను minor versions మధ్య ప్రస్తుతం stable గా పరిగణించను. అందువల్ల version ను pin చేసి, upgrade చేయడానికి ముందు release notes చదవాలి.

ఇది మిమ్మల్ని ఆశ్చర్యపరచకముందు తెలుసుకోవాల్సిన మరో విషయం: v0.6.0 anonymised usage telemetry ను జోడించింది. README ప్రకారం అది defaultగా సేకరించబడుతుంది. Opt out చేయడం సహా దాని వివరాలను project ప్రత్యేక telemetry pageలో అందిస్తుంది. Machine client పని నిర్వహిస్తే, ఆ page చదివి ఉద్దేశపూర్వకంగా నిర్ణయం తీసుకోండి.

ప్రస్తుతం Omnigent నిజంగా బాగా చేసేది, దేనికోసం అది నిర్మించబడిందో అదే. మీ వద్ద మూడు లేదా నాలుగు agent CLIs ఉన్నాయి. వాటికి మీరు ఇప్పటికే చెల్లిస్తున్నారు. వాటిలో ఒకటి రాయగా, మరొకటి review చేయాలని మీరు కోరుకుంటున్నారు. ఇది ఇప్పుడు ఒక machineపై, Linuxలో నిజమైన sandboxingతో పనిచేస్తుంది. దాని తరువాత ఉన్న ప్రతిదానినీ ఆశాజనకమైనదిగా, ఇంకా పూర్తికానిదిగా పరిగణించండి.

FAQ

Omnigent ఒక agentనా, లేదా agents ను నడిపించే సాధనమా?

ఇది agents ను నడుపుతుంది. Omnigent ఒక meta-harness: మీరు ఇప్పటికే install చేసిన Claude Code, Codex లేదా OpenCode వంటి vendor CLIs ను ఇది ప్రారంభిస్తుంది, ప్రతి దానికి పనిని కేటాయిస్తుంది, ఒకే session లో ఫలితాలను పర్యవేక్షిస్తుంది. దీనికి స్వంత model లేదు. అందుకే ఇది framework కు భిన్నంగా ఉంటుంది. Framework లో మీరు library ను ఉపయోగించి Python code రాస్తారు, ఆపై మీ స్వంత program agent గా మారుతుంది.

Omnigent ఉపయోగకరంగా ఉండాలంటే Claude Code మరియు Codex ముందే install చేసి ఉండాలా?

కనీసం ఒక vendor CLI install చేసి, login చేసి ఉండాలి. Omnigent ఆ programs ను భర్తీ చేయకుండా వాటినే నడుపుతుంది. పంపిణీతో వచ్చే Polly ఉదాహరణ కోసం వేర్వేరు vendors కు చెందిన రెండు లేదా అంతకంటే ఎక్కువ CLIs అవసరం. Polly నియమం ప్రకారం review ను implementer కంటే వేరే vendor ఎల్లప్పుడూ చేయాలి. కాబట్టి ఒకే CLI ఉంటే diff ను పంపడానికి రెండవ vendor ఉండదు.

తాజా version కు బదులుగా నిర్దిష్ట Omnigent version ను ఎలా install చేయాలి?

Install script కు --version ను sh -s -- తో pass చేయాలి, ఉదాహరణకు sh -s -- --version 0.7.0. -s -- లేకపోతే, sh ను తన స్వంత option గా తీసుకుని --version ను ఉపయోగిస్తుంది; installer అసలు run కాదు. ఉదాహరణకు Bash తన version ను చూపించి exit అవుతుంది. uv ఇప్పటికే అందుబాటులో ఉంటే, uv tool install --force --python 3.12 "omnigent==0.7.0" అదే పని చేస్తుంది. git tag v0.7.0, అయితే PyPI version string 0.7.0.

Agents ను unattended గా నడపడానికి Omnibox sandbox సరిపోతుందా?

ఇది అమలు చేసే పరిమితుల విషయంలో బలంగా ఉంటుంది. అమలు చేయని పరిమితుల విషయంలో స్పష్టంగా ఉంటుంది. Linux లో ఇది bubblewrap తో పాటు seccomp ను ఉపయోగిస్తుంది. అందువల్ల file మరియు network limits ను kernel అమలు చేస్తుంది, agent వాటిని నిలిపివేయలేడు. ఇది sys_os_* tool calls మరియు terminals కు వర్తిస్తుందని documentation చెబుతుంది. MCP servers లేదా Omnigent supervisor process కు ఇది వర్తించదు. అందువల్ల MCP server మీ సాధారణ permissions తోనే run అవుతుంది. Unattended పనికి ప్రతి agent కోసం disposable virtual machine ఉపయోగించడం ఇంకా బలమైన isolation ను అందిస్తుంది.

VPS పై Omnigent server కు ఎంత memory అవసరం?

Project యొక్క deploy notes ప్రకారం idle సమయంలో దాదాపు 275 MB RSS అవసరం. Fly.io configuration 1 GB machine ను allocate చేస్తుంది. ఈ idle measurement server ను మాత్రమే పరిగణిస్తుంది; దాని sub-agents ను కాదు. Sub-agents parent యొక్క working directory మరియు environment ను share చేయవచ్చు. os_env: inherit ద్వారా sandbox ను కూడా share చేయవచ్చు. Separate working copies హామీ ఇవ్వబడవు. Polly తరహా runs parallel git worktrees ను ఉపయోగిస్తాయి. అందువల్ల server కోసం కాకుండా, ఒకేసారి నడపాలనుకునే agents సంఖ్య ఆధారంగా RAM మరియు disk ను కేటాయించాలి.

ఈ వ్యాసం ఉపయోగకరంగా ఉందా?